Ao longe, um avião passava silencioso. Interrompendo bruscamente uma resposta que dava, o escritor questionou, apreensivo: “Está vendo aquele avião? Ele não estaria muito inclinado?”. O que há poucos instantes era um momento relaxante se transformou em uma repentina explosão de lembranças do 11 de setembro. Um único avião, a milhares de metros de distância, um minúsculo detalhe no céu, foi capaz de tirar a concentração do físico e trazer o atentado terrorista à tona. “Não, é apenas o ângulo que ele está em relação a nós”, respirou aliviado depois de analisar a cena melhor.

Mlodinov, que recentemente foi coautor do livro O Grande Projeto, junto com o físico britânico Stephen Hawking, foi um sobrevivente do atentado às torres gêmeas. No dia do ataque, o escritor acabara de deixar o filho na escola que ficava a dois quarteirões do complexo e, quando estava a caminho da estação de metrô do WTC, o primeiro avião atingiu a torre norte. “Lembro de tudo, como se fosse hoje”, disse. “Depois do acidente, toda vez que vejo um avião voando muito baixo acho que está acontecendo tudo de novo”.

Pela segunda vez no Brasil, Mlodinov veio participar da Bienal do Livro no Rio de Janeiro para divulgar O Andar do Bêbado, um livro que fala sobre a influência do acaso em nossas vidas. O título é um dos mais vendidos no Brasil há mais de um ano. Atualmente, além de escrever livros de divulgação da ciência, o físico vive em Los Angeles e dá aula no Instituto de Tecnologia da Califórnia, na cidade de Pasadena. Autor de vários títulos, Mlodinov também já escreveu para as séries Star Trek e McGyver. Fã de basquete, culinária e pintura a óleo, o físico contou mais detalhes sobre o dia do atentado, como é trabalhar com Stephen Hawking, considerada uma das mentes mais brilhantes da atualidade, e porque não precisamos de Deus para explicar o universo, tema central de O Grande Projeto.

Confira a entrevista na íntegra no site de VEJA.

Leia mais:

Ateísmo, religião e o meio termo

•  A outra ameaça para a validade de uma amostra é a noção de viés. O viés pode vir de várias formas diferentes, mas a mais comum acontece na seleção dos participantes da pesquisa. Por exemplo, se os participantes tomarem a iniciativa de se escolherem para um grupo de amostragem, então os resultados não serão mais externamente válidos. Isso acontece porque o tipo de pessoa que quer participar de um estudo não é necessariamente semelhante à população sobre a qual queremos fazer inferências.
• Quando duas variáveis mudam de valores juntas (ambas crescem ou caem, ou assumem valores em direções opostas), dizemos que elas são correlacionadas.
• Análise de regressão é uma forma de determinar se existe uma correlação entre duas variáveis e quão forte é essa correlação. No nível mais básico, isso envolve desenhar um gráfico do tipo X/Y (no nosso exemplo, níveis educacionais e taxas de criminalidade), procurando pela média de efeito causal. Isso significa observar como os pontos do gráfico estão distribuídos estabelecendo uma linha de tendência. De novo, correlação não implica necessariamente causalidade.
• O desvio padrão ajuda a descobrir quanto há de variação dentro de um grupo de valores. Ele mede o desvio (diferença) do valor esperado (a média).
• Ao analisar resultados, cuidado com os termos: Average, mean (ambos significam “média” em português) e median (mediana). Os dois primeiros termos se referem ao valor médio de um grupo de números. Some todos os elementos, divida pelo número de valores e essa é a média. A mediana, contudo, é o valor central e pode ser útil se existe um número muito grande ou pequeno em uma coleção de valores; digamos, o salário do Bill Gates em uma lista de salários comuns.
• Causalidade é quando a mudança de uma variável provoca a alteração de outra. Por exemplo, a temperatura do ar e a luz do Sol estão correlacionadas (quando o Sol nasce, a temperatura sobe), mas a causalidade segue apenas em uma direção. Isso é conhecido como causa e efeito.
• Quando a causalidade tiver sido estabelecida, o fator que conduz a mudança (no exemplo acima, a luz do Sol) é a variável independente. A variável que é conduzida é chamada de variável dependente.
• Apesar de a causalidade ser fácil de provar em alguns momentos, frequentemente pode ser uma tarefa difícil por causa de variáveis de confusão (fatores desconhecidos que afetam as duas variáveis sendo estudadas). Os estudos precisam de experimentos bem planejados e executados para garantir que os resultados são confiáveis.

Leia mais:

Lista de termos estatísticos usados em pesquisas (parte 1)

O que é data journalism?

“Data journalism não existe”

Sabemos que um curso de estatística é algo valioso, mas é algo que raramente está no topo das nossas prioridades. Contudo, é vital que tenhamos conhecimento além dos resumos dessas pesquisas. Temos que entender os métodos e conceitos que formam a base fundamental dos estudos acadêmicos para podermos julgar com o melhor de nossa capacidade os méritos daquilo que servirá de pilar para nossas reportagens. Não foi à toa que José Roberto de Toledo, um dos precursores e guru de RAC (Reportagem com Auxílio de Computador) no Brasil, sugeriu a leitura, tradução e arquivamento da cartilha. Pois bem, aqui vai uma mãozinha.

De acordo com o texto escrito por Leighton W. Klein, a maioria dos estudos tenta estabelecer uma correlação entre duas variáveis – por exemplo: Como os níveis de educação podem estar associados às taxas de criminalidade? A detecção dessa relação é, contudo, apenas o primeiro passo. O objetivo máximo é determinar a causalidade: como uma das duas variáveis (causa) é consequência da outra (efeito). Uma frase que devemos lembrar sempre é que “correlação não implica em causalidade”. Klein argumenta que a sentença pode ser utilmente remediada se dissermos: “Correlação não implica necessariamente em causalidade”. Isso porque a natureza da relação entre as variáveis precisa ser determinada.

Existem também estudos que exploram dados obtidos por meio da observação (chamados de estatística descritiva) ou que usam esses dados observados para prever a verdade em áreas que vão além dos dados (estatística inferencial). A afirmação: “Entre 2000 e 2005, 70% da área desmatada na Amazônia e registrada pelo governo brasileiro foi transformada em pasto” é uma estatística descritiva. “Conseguir um diploma universitário aumenta os ganhos na vida de uma pessoa em 50%” é uma estatística inferencial.

Segue uma tradução livre de uma parte da lista de conceitos estatísticos compilada pelo Journalist’s Resource e que jornalistas, estudantes ou profissionais, deveriam manter para consulta:

• Uma amostra é uma porção de uma população inteira. A estatística inferencial procura fazer previsões sobre uma população baseadas em resultados observados em uma amostra dessa população.
• Existem dois tipos básicos de amostras de população: aleatória e estratificada. Uma amostragem aleatória possui indivíduos escolhidos absolutamente por acaso, enquanto que a amostragem estratificada é construída para imitar as características da população em sentido amplo (sexo, idade ou etnia, por exemplo).
• A tentativa de extrapolar os resultados de uma amostra para uma população é chamada de generalização. Isso pode ser feito apenas quando a amostra representa significativamente a população inteira.
• Quando generalizamos os resultados temos que levar em consideração a flutuação amostral. Mesmo que a amostra selecionada seja completamente aleatória, existe um grau de variabilidade dentro da população. Por isso, os resultados de uma amostragem deverão incluir uma margem de erro. Por exemplo, os resultados de uma enquete de eleitores poderia apresentar a margem de erro em porcentagem: “47% dos entrevistados disse que votaria a favor da medida, com uma margem de erro de 3 pontos percentuais”. Ou seja, se a votação de verdade resultasse em 44% ou 50%, a previsão da pesquisa seria acertada dentro dos limites da margem de erro.
• Quanto maior a amostragem, mais representativa ela tende a ser em relação à população como um todo. Assim, a margem de erro diminui e o nível de confiança aumenta.
• Quando fazemos inferências sobre uma população, começamos com uma suposição que esperamos provar ou refutar chamada hipótese nula. A probabilidade de se obter uma amostra com resultados tão diferentes dessa hipótese quanto os observados na amostragem recebe o nome de valor p. Com ele, podemos rejeitar (ou não) a hipótese nula de acordo com os resultados da amostra obtida durante a pesquisa.

É isso. O próximo post vai completar a lista!

Leia mais:

Lista de termos estatísticos usados em pesquisas (parte 2)

O que é data journalism?

“Data journalism não existe”

Alberto Cairo é um profissional extremamente ativo na área de notícias interativas. É uma espécie de Aron Pilhofer da revista/site Época, apesar de ter mais destaque na área de design do que em jornalismo, como é o caso do Aron. Já foi chefe do setor de infografia do site do El Mundo, já deu aula na Universidade da Carolina do Norte (para jornalistas), já ganhou diversos prêmios internacionais com infográficos, já escreveu um livro sobre infografia na imprensa (que a propósito, está na minha cabeceira) e está escrevendo outros. As credenciais continuam, mas já deu para perceber que ele é uma autoridade para qualquer um que estude data journalism, visualização de dados e notícias interativas.

Cairo fez um apanhado de diversos projetos feitos na revista Época e mencinou alguns do Estadão e da Folha. Um dos mais interessantes fala sobre a relação da gastação de dinheiro em uma campanha eleitoral e a eleição do canditado.

A ferramenta mostra que praticamete todos os candidatos que se elegeram gastaram muito dinheiro durante a campanha. É possível categorizar por partido, por votos, por dinheiro gasto e muito mais. Quem quiser ainda pode baixar os dados em arquivo do Excel para brincar com eles.

Outro projeto muito interessante mostrou a evolução do PIB brasileiro e a desigualdade social durante a administração de cada um dos presidentes que governaram o país a partir de 1981. O infográfico mostra porque a década de 1980 foi chamada “a década perdida”: o PIB cresceu quase nada e a desigualdade atingiu o valor máximo.

São poucas, mas poderosas amostras que mostram grandes talentos brasileiros na área de visualização de dados. São os bons exemplos que devemos seguir.

Leia mais:

Processing: visualização de dados inteligente para os (nem tão) leigos

O dia em que ‘data journalism’ se tornou ‘Notícias Interativas’

O que é data journalism?

Seria um serviço perfeito não fosse por duas coisas: só funciona no iOS (existem alternativas para Android e iOS!) e só é possível navegar pelas fotos dentro do aplicativo. Como o Instagram é exclusivo para usuários do iOS, seus amigos não podem ver sua coleção de fotos, a menos que você compartilhe o link de cada uma delas, separadamente. Saco, né? Bom, esse problema não existe mais. Conheça o WebStagram.

O WebStagram é um indexador e visualizador web do Instagram. Foi criado pelo programador japonês Joe Mio e cumpre o que promete. Você consegue procurar por usuários do Instagram ou hashtags, como se estivesse no Twitter. Além disso, você pode comentar fotos dos amigos a partir do computador, mas é preciso ter uma conta no Instagram.

O serviço vem com alguns mimos inexistentes no Instagram original: é possível baixar as fotos em quatro tipos de qualidade (pequeno, médio, grande e original). A interface exibe o nome do filtro que a pessoa usou para salvar a fotografia, há quanto tempo foi postada, quantos likes recebeu e quantos comentários.

Quem não gosta de ver as fotos em forma de lista pode escolher a opção grid, no alto do site. Se você curtir apenas navegar pelas fotos do Instagram, basta clicar no link das populares ou das tags mais quentes. Fica a pergunta, por que o próprio Instagram não desenvolveu algo do tipo?

A resposta mais simples é não… mas existem algumas ressalvas. 

Embora alguns modelos do iPad sejam capazes de acessar as redes de celular (os modelos 3G), eles não realizam chamadas. Eles apenas trocam dados permitindo que a galera use a internet. Não se sabe se a Apple colocou um modem GSM/CDMA nos iPads 3G que só transmite dados ou se a função de voz está dormente forçosamente. Contudo, se você tiver um aplicativo de VoIP, como o Skype, você poderá comprar créditos para realizar ligações para linhas comuns e até comprar um número para receber ligações no iPad enquanto ele estiver conectado.

Só que os aplicativos de VoIP não substituem os telefones. Primeiro porque a cobertura da “internet 3G” é esburacada e inconsistente. Segundo porque aplicativos de VoIP não fazem chamadas de emergência (tipo polícia, SAMU, bombeiros). Ou seja, mesmo que você tenha uma cobertura razoável do sinal da internet, pode ser que nas idas e vindas pelo mundo você fique na mão na hora que mais precisa porque a internet simplesmente não quer funcionar. E se ela não funciona, o telefone também não.

Se você ainda assim quer usar seu tablet como telefone (mesmo com essas limitações), a opção é o Galaxy Tab da Samsung. Esse tablet é basicamente um telefone Android com a tela maior, incluindo todas as funções (sim, realizar chamadas também). Eu já ouvi relatos de pessoas felizes utilizando o Galaxy Tab de 7 polegadas como um bigfone, com o auxílio de um headset bluetooth… aqueles que você coloca na orelha e fica parecendo um Cybercop.

Quando o tablet, que está no conforto da sua mochila/bolsa, recebe uma ligação, o seu transponder toca no seu ouvido e você atende normalmente. Eu não acho uma saída útil, mas tem gente que gosta. Já pensou você levar um trambolho de 7 polegadas para um show? É, nada prático.

De volta ao iPad. Você deve estar se perguntando… O que eu consigo fazer com o iPad então? Como ele se difere de um iPod Touch, por exemplo? O tamanho faz muita diferença. Pense em uma almofada (iTouch) e um colchão (iPad). Tanto a almofada quanto o colchão compartilham funcionalidades (é possível sentar-se em ambos, por exemplo), como têm suas características próprias: dá pra dar uns amassos em cima de uma almofada, mas você ganha muito mais espaço de manobra em um colchão.

Leia mais:

Esqueça o iPad, o *celular* será o próximo PC

Loja de aplicativos HTML5 para celulares é ideia ingênua por enquanto

Data journalism como defensor da democracia

Meu interesse por data journalism começou em 2010, quando conheci um americano chamado Aron Pilhofer na Editora Abril. O Aron é um cara que se formou em ciência da computação e depois construiu uma carreira em volta do jornalismo. Hoje ele é diretor de interatividade do The New York Times e um dos fundadores do Hacks and Hackers e DocumentCloud. Para mim, que quase fiz computação, cursei engenharia e formei em jornalismo, havia muita semelhança e passos a serem seguidos quando tive o primeiro contato com o Aron.

Desde então, procurei manter contato com ele e pedi que me indicasse os outros Arons, em outras redações. Fiz várias buscas no Twitter (até compilei uma lista com perfis interessantes para serem seguidos) e em outros blogs. Descobri que existe uma pequena, mas vibrante comunidade em volta desse jornalismo assistido pela computação e que hoje, por causa do ingrediente “internet”, se traduz na forma de notícias interativas.

Descobri, por exemplo, o NICAR, o National Institute for Computer Assisted-Reporting, nos EUA. O NICAR é um espaço formidável. A lista de discussão do instituto é formada basicamente por jornalistas que trabalham o tempo todo com projetos interativos, de visualização de dados, jornalismo investigativo com a ajuda de computadores e coisas do tipo. Com mais de mil membros, o dia todo surgem duvidas sobre como fazer tal coisa no Google Fusion Tables, ou como resolver um problema de Excel, ou simplesmente divulgar uma pauta que vale a pena ser perseguida com a ajuda de computadores.

Além do NICAR, grandes jornais têm dedicado efetivo para a tarefa de tocar projetos interativos. Além do The New York Times, o Los Angeles Times possui uma espécie de laboratório para os projetos interativos, assim como o The Guardian e vários outros. Esses espaços não fazem apenas data mining, data journalism, data crunching ou qualquer que seja o nome dado à pratica que relaciona jornalismo e dados, que transforma o banco de dados em entrevistado. Esse pessoal vai mais fundo e toca projetos que vão desde uma simples competição do Oscar com os amigos, passando por mapas da criminalidade em grandes cidades, até uma espetacular plataforma para a cobertura de eleições.

É justamente o que estou buscando. Dominar os meios e a configuração mental para contar histórias de um jeito inteligente que se manifesta por meio de notícias interativas. Essa viagem passa necessariamente por aprender a programar, a entender os sistemas de internet e quais são as leis naturais desse universo computacional. Passa por aprender Processing, ManyEyes, Google Fusion Tables, ou entender SQL, Python/Django e Ruby/Rails. É preciso estudar Design Thinking e conceitos básicos de interfaces visuais, usabilidade e arquitetura da informação. E é claro, uma base sólida do bom e velho jornalismo.

Não acho que exista uma fórmula ou um caminho precisamente definido. O importante é você identificar quais aspectos te seduzem mais: gosta de programação? Gosta de mastigar intermináveis bancos de dados? Gosta de organizar como a informação será exibida? Escolha um, dois, ou todos os caminhos. Seguramente você estará indo na mesma direção em que o jornalismo está crescendo e evoluindo.

Por isso, por mais “catchy” que seja a expressão data journalism, até alguém aparecer com uma expressão melhor, fico com a levemente brega Notícias Interativas.

Leia mais:

Processing: visualização de dados inteligente para os (nem tão) leigos

O que é data journalism?

“Data journalism não existe”

Qualquer um que começa a aprender a tocar violão, antes de aprender Stairway to Heaven ou Come as You Are, aprende umas coisas bizarras tipo toque da “chamada a cobrar” ou a “vinheta do plantão da Globo”. São toques simples que ajudam a te manter empolgado.

Com o tempo essa mania de aprender coisas estranhas vai crescendo e você vai tirando músicas mais complexas, tipo o tema de Super Mario Bros ou a música tema de um seriado interessante. Fringe, por exemplo, tem um tema de abertura muito bonito, composto pelo próprio J. J. Abrams, criador da série.

Gosto tanto dessa música que a tirei no violão, adicionei algumas trilhas e gravei um vídeo bem canastrão. Olha só:

Se quiser o mp3 dela, clica com o botão direito aqui e manda “salvar como”.

Não sou nenhum especialista em música. Sei muito pouco sobre teoria musical, leio partitura como uma criança que está aprendendo a ler palavras e praticamente tudo que tiro é de ouvido. Também leio tablaturas e vejo outros tocarem. Inclusive, existe uma versão em piano dessa música que é espetacular.

A gravação da minha versão foi feita com um violão elétrico plugado em uma pedaleira Boss GT 10. As trilhas foram gravadas no Garage Band pela interface USB. Os efeitos são uma mistura maluca de opções na GT 10 e no GB. O vídeo foi feito usando a webcam do laptop, e a finalização profissa ficou a cargo do Premiere CS4.

Pra você que chegou aqui, tem ainda um bônus. Usando um programinha muito engenhoso no iPhone, chamado Xenon, basicamente um sintetizador, fiz também uma versão meio videogame da música. Foi o toque do meu celular por algum tempo:

Essa eu deixo para os mais geeks descobrirem como baixar.

Leia mais:

Descrer de Deus e a Ciência da Moralidade

Loja de aplicativos HTML5 para celulares é ideia ingênua por enquanto

Inteligência Artificial: curso gratuito pela Universidade de Stanford

Cursos online de qualidade não são novidade. Gratuitos, talvez, não são tão comuns, mas existem também. A novidade agora é que a Universidade de Stanford vai oferecer mais pro fim do ano dois cursos muito interessantes para os geeks dessa parte da galáxia: Introdução aos Bancos de Dados e Introdução à Inteligência Artificial. Mas não pense que serão apenas algumas páginas estáticas com links para apostilas e vídeos: os caras vão usar um sistema de educação à distância da Amazon, vão corrigir exercícios, tirar dúvidas e resolver praticamente tudo que os alunos teriam direito se estivessem presentes.

De volta ao carro do Google. O sistema de inteligência artificial que controla a caranga do El Goog (sim, eu leio Engadget) é liderado por um cara chamado Sebastian Thrun. Além de estar trabalhando para salvar o caótico trânsito terrestre um dia de cada vez, o sr. Thrun é também diretor do laboratório de inteligência artificial da… tcharam: Universidade de Standford.

Para os que ainda não entenderam, ele será um dos professores do curso gratuito de inteligência artificial, a ser ministrado entre os dias 10 de outubro e 16 de dezembro de 2011. Isso mesmo, dois meses de aula. Tá pensando que é moleza? O outro professor é Peter Norvig, diretor do departamento de pesquisas do Google. Eu sei, só nego fera.

Claro que você não vai aprender a fazer um carro que dirige sozinho, mas é bem possível que aprenda o suficiente para iniciar conversas mais inteligentes que a rodada do brasileirão de domingo ou aquele meme que surgiu no twitter. No mínimo vai te abrir os olhos para coisas muito interessantes.

Olha só o Sebastian explicando mais sobre o carro do Google em um vídeo do TED:

Você não vai receber um certificado da Universidade de Standford (eles são emitidos apenas para alunos matriculados na instituição), mas vai receber um prêmio de consolação, uma espécie de carta de reconhecimento atestando seu esforço e seu rendimento. Legal, né?

E o curso de banco de dados?

Não dei muita atenção ao curso de banco de dados porque ele não é tão vitaminado quanto o de inteligência artificial, mas é interessante para qualquer pessoa que queira se envolver com eles, tipo alguém que se interesse muito por data journalism. O curso vai ocorrer entre os dias 10 de outubro e 12 de dezembro e será ministrado pela Jennifer Widom, diretora do departamento de Ciência da Computação da Universidade de Stanford. Quem quiser dar uma olhada nas credenciais da bela moça ou simplesmente dar uma de stalker, basta acessar a página pessoal dela na universidade.

Gente. Isso é muito sério. Uma das melhores universidades do mundo se preparando para dar aulas desse nível não é algo comum. É a utilização da internet elevada à excelência. Se conseguir tocar as aulas com seriedade, não perca essa oportunidade… afinal, seremos colegas; você, eu e as 60.000 pessoas que já se inscreveram.

PS: Ontem eu prometi que continuaria a série de posts sobre o Processing hoje, mas o CMS resolveu ficar de chico e tomou a maior parte do tempo até eu arrumar os problemas. O conteúdo está pronto, só não vou liberar agora por causa do horário.

Leia mais:

O que é data journalism?

Data journalism como defensor da democracia

Fringe: música da abertura em violão [vídeo]

O Processing é uma linguagem de programação que se manifesta em um programinha muito poderoso. O aplicativo em si é parecido com um bloco de notas mais estribado que funciona como se fosse um Illustrator/InDesign/Wings3D programável. Começou a ser desenvolvido em 2001 no MIT por  Casey Reas e Benjamin Fry para ser uma ferramenta de visualização de dados robusta feita para pessoas que nunca programaram. Em cima do Java, criaram uma sintaxe orientada a objeto mais simples, capaz de gerar gráficos estáticos ou animados e até soluções interativas tridimensionais.

O Gianordoli fez vários infográficos para a revista Superinteressante utilizando o programa e vários designers no mundo inteiro têm explorado a ferramenta de maneira promíscua. Não que isso seja ruim. O exemplo mais emblemático do que se pode fazer com Processing é um projeto do jornal The New York Times bem firulado chamado Cascade. Confira no vídeo abaixo, ele é autoexplicativo.

A minha ideia é iniciar uma série de posts discutindo as funcionalidades básicas do Processing e ir crescendo, fazendo algumas experimentações de visualização de dados no meio do caminho. O próprio site do Processing oferece alguns tutoriais e exemplos de códigos. Amanhã apresento a interface e as fórmulas mais básicas, como desenhar pontos, retas, elípses e retângulos.

Leia mais:

O dia em que ‘data journalism’ se tornou ‘Notícias Interativas’

O que é data journalism?

Um gostinho da visualização de dados no Brasil: bons exemplos que devemos seguir